ST מרחיבה את התמיכה ב- ML במערכת האקולוגית STM32Cube.AI

STMicroelectronics הרחיבה את מגוון הטכניקות של למידת מכונה העומדות לרשות המשתמשים בסביבת הפיתוח STM32Cube.AI.

במהלך זה מתווספת גמישות נוספת לפתרון אתגרי סיווג, אשכולות וגילוי חידושים בצורה היעילה ביותר האפשרית.

בנוסף לאפשר פיתוח של רשתות עצביות להסקת קצה במיקרו-בקרים STM32 * (MCU), גרסת STM32Cube.AI זו (גרסה 7.0) תומכת בשיטות חדשות מפוקחות ומפוקחות למחצה שעובדות עם ערכות נתונים קטנות יותר ופחות מחזורי מעבד. אלה כוללים יער בידוד (iForest) ו- One Class Support Vector Machine (OC SVM) לזיהוי חידושים ו- K-means ואלגוריתמי סיווג SVM לסיווג שמשתמשים יכולים ליישם ללא קידוד ידני מפרך.

תוספת של אלגוריתמי לימוד מכונה קלאסיים אלה על גבי רשתות עצביות תסייע למפתחים לפתור את האתגרים שלהם במהירות רבה יותר על ידי מתן זמן אספקה ​​מהיר בעזרת ST, טכניקות קלות לשימוש להמרה, אימות ופריסה של סוגים שונים של מודלים. על מיקרו-בקרים STM32.

STM32Cube.AI פותחה בכדי לאפשר למעצבים להניע עומסי עבודה של למידת מכונה מהענן למכשירי קצה מבוססי STM32 כדי להפחית את החביון, לחסוך באנרגיה, להגביר את השימוש בענן ולהגן על הפרטיות על ידי צמצום חילופי הנתונים באינטרנט.

עם הגמישות הנוספת הזו לבחירת הטכניקות היעילות ביותר של למידת מכונה לניתוח במכשיר, יחידות MCU של STM32 יתאימו למקרי שימוש תמיד ויישומים חכמים המופעלים על ידי סוללה.